Если за прошедшую неделю вы ни разу не услышали упоминания ИИ, — вероятно, вы живете в глухой изоляции, потому что говорят о нем повсеместно. У каждой корпорации будто бы уже решают задачи ИИ-агенты, автоматизирована половина процессов, а личный Д.Ж.А.Р.В.И.С. вызывает такси и пишет стратегию. На этом фоне легко почувствовать, что вы безнадежно отстали.
Дмитрий Твердохлебов — эксперт по внедрению генеративного ИИ, ранее директор по искусственному интеллекту в МТС и руководитель ИИ-направления в VK — на встрече в ЭВОЛЮТ разобрал, почему индустрия нейросетей не так стабильна, как о ней говорят. Спойлер: вы никуда не опоздали. Но и волшебства ждать не стоит.
Помедленней. Сначала разберемся с терминами
ИИ появился не с возникновением ChatGPT. Технология окружает нас давно, просто раньше была незаметной. Условно ее делят на две части.
Дискриминативный ИИ отбирает нужное из большого массива данных: банковский скоринг отсеивает ненадежных заемщиков, рекомендательная система оставляет десяток фильмов из миллиона, антифрод отделяет мошеннические операции от обычных.
Когда вы открываете приложение такси, под капотом срабатывает порядка 200 моделей — они определяют вашу локацию, погоду, вероятный маршрут и формируют цену еще до того, как вы ввели точку назначения.
Генеративный ИИ создает новое: тексты, изображения, документы, код. Именно о нем сегодня говорят больше всего.
Важно понимать, что ChatGPT — не революция, а эволюция. До него были другие версии GPT, был BERT от Google, был даже T9 в кнопочных телефонах, работавший по схожему принципу предсказания следующего слова.
Дискриминативный ИИ отбирает нужное из большого массива данных: банковский скоринг отсеивает ненадежных заемщиков, рекомендательная система оставляет десяток фильмов из миллиона, антифрод отделяет мошеннические операции от обычных.
Когда вы открываете приложение такси, под капотом срабатывает порядка 200 моделей — они определяют вашу локацию, погоду, вероятный маршрут и формируют цену еще до того, как вы ввели точку назначения.
Генеративный ИИ создает новое: тексты, изображения, документы, код. Именно о нем сегодня говорят больше всего.
Важно понимать, что ChatGPT — не революция, а эволюция. До него были другие версии GPT, был BERT от Google, был даже T9 в кнопочных телефонах, работавший по схожему принципу предсказания следующего слова.
«Это как с Airbus A380, — говорит Дмитрий. — Он появился не потому, что его резко слепили из алюминия, а потому что сто лет назад братья Райт сделали фанерную штуку, которая толком ничего не умела. Просто в какой-то момент технология стала заметной».
Реальность внедрения: в лучшем случае 15%
Если посмотреть на российский рынок, генеративный ИИ внедряют в основном по трем направлениям:
Показатель проникновения у лидера этого списка — около 15%. При этом порядка 90% ИИ-внедрений не окупаются. Причина не в том, что технология плохая. Причина в подходе.
- маркетинг (генерация объявлений и карточек товаров);
- клиентская поддержка (боты вместо части колл-центра)
- разработка ПО.
Показатель проникновения у лидера этого списка — около 15%. При этом порядка 90% ИИ-внедрений не окупаются. Причина не в том, что технология плохая. Причина в подходе.
Дмитрий Твердохлебов: «Бизнес продолжает относиться к этому как к коммерческому внедрению. А генеративный ИИ на данном этапе — это в чистом виде R&D-инструмент, где 9 из 10 гипотез не взлетает».
Когда компания начинает проект, первый вопрос звучит так: «Сколько стоит внедрить?». И на старте чаще появляется ответ: «Зависит от того, какие инструменты сработают».
Второй вопрос: «Какой будет экономический эффект?», но тут все проще — «пока не знаем». Бизнес хочет прогнозируемости. Технология ее пока не дает. Отсюда и разрыв между презентациями и результатами.
Второй вопрос: «Какой будет экономический эффект?», но тут все проще — «пока не знаем». Бизнес хочет прогнозируемости. Технология ее пока не дает. Отсюда и разрыв между презентациями и результатами.
Почему до сих пор нет обещанных ИИ-агентов
Про агентов говорят все, но мало кто видел их в работе. Объяснение — в математике. Средняя точность ответов больших языковых моделей — около 90%. То есть в одном случае из десяти система ошибается.
Ошибки эти называются галлюцинациями и возникают не от глупости модели, а от принципа ее работы: она не мыслит, а оперирует вероятностями и векторами. Если два понятия находятся в текстах достаточно близко друг к другу, модель может счесть их одним и тем же.
Два проверочных вопроса, которые ломают даже новые модели:
«В каком году Юрий Гагарин летал на Луну?» Слабая модель сопоставит космос, Луну и Гагарина — и уверенно выдаст дату с подробностями. Ответ будет убедительным и полностью неверным.
«С какой частотой бьется сердце фиолетового кита?» Фиолетовых китов не существует. Но для модели «фиолетовый» находится в спектре где-то между синим и голубым — и она начинает рассказывать про 30 ударов в минуту.
Теперь представьте мультиагентную систему в техподдержке: первый агент определяет запрос клиента, второй анализирует ситуацию, третий принимает решение о возврате средств, четвертый формирует ответ. Каждый работает с точностью 90%.
Итоговая точность всей цепочки из пяти элементов — около 59%.
Ошибки эти называются галлюцинациями и возникают не от глупости модели, а от принципа ее работы: она не мыслит, а оперирует вероятностями и векторами. Если два понятия находятся в текстах достаточно близко друг к другу, модель может счесть их одним и тем же.
Два проверочных вопроса, которые ломают даже новые модели:
«В каком году Юрий Гагарин летал на Луну?» Слабая модель сопоставит космос, Луну и Гагарина — и уверенно выдаст дату с подробностями. Ответ будет убедительным и полностью неверным.
«С какой частотой бьется сердце фиолетового кита?» Фиолетовых китов не существует. Но для модели «фиолетовый» находится в спектре где-то между синим и голубым — и она начинает рассказывать про 30 ударов в минуту.
Теперь представьте мультиагентную систему в техподдержке: первый агент определяет запрос клиента, второй анализирует ситуацию, третий принимает решение о возврате средств, четвертый формирует ответ. Каждый работает с точностью 90%.
Итоговая точность всей цепочки из пяти элементов — около 59%.
«Вы внедрили ИИ, который в половине случаев ошибается, — говорит Дмитрий. Он несет какую-то туфту, а вы на этом теряете деньги. Именно поэтому ИИ-агенты — это как секс в пионерском лагере: все про него говорят, мало кто наблюдал».
Полностью избавиться от галлюцинаций невозможно. Точность будет расти — до 95%, до 99% — но в чувствительных областях вроде медицины или юриспруденции, где ошибка стоит дорого, интегрировать ИИ пока действительно рано.
Главная ошибка — попытка заменить человека
Корпорации наступают на эти грабли регулярно. Логика внедрения звучит так: уволим половину колл-центра, не будем нанимать маркетологов, ИИ сделает все за нас.
Не сделает. По крайней мере не сейчас.
Не сделает. По крайней мере не сейчас.
Д. Твердохлебов: «Заменять человека не нужно. Ему нужно помогать. ИИ должен быть продолжением человека — экзоскелетом, где-то костылем. Полностью исключать человека из процесса нельзя».
Хорошая метафора: самое быстрое животное на планете на дистанции в несколько километров — человек на велосипеде. Не гепард, который выдыхается после спринта. Но велосипед без человека — просто груда металла.
ИИ работает так же. Он умножает возможности человека, а не отменяет его.
ИИ работает так же. Он умножает возможности человека, а не отменяет его.
Три ошибки, из-за которых внедрение не взлетает
Ошибка №1. Непонимание трендов развития технологии. Важно видеть, в какую сторону движется технология и куда вливаются деньги. Модели все лучше пишут код — в это направление идут огромные инвестиции. А в генерации видео за год было буквально два заметных релиза.
Практический вывод: если вы рассчитываете, что через полгода по промту сможете снять мультфильм уровня Миядзаки — не сможете. Возможно, года через три. А если хотите оптимизировать работу с кодовой базой — этим стоит заниматься уже сейчас.
Ошибка № 2. Отсутствие целеполагания. Пока цель на внедрение не поставлена всем участникам процесса, главным инструментом разработки ИИ в компании остается PowerPoint. Красивых презентаций будет много, реального выхлопа — мало.
Ошибка № 3. Попытка внедрить ИИ в кривой процесс. Самая частая и самая дорогая ошибка. Компания берет существующий процесс продаж со странными неописанными инструкциями и легаси-логикой и пытается внедрить туда умного помощника. Выясняется, что процесс проще пересобрать заново.
Здесь работает аналогия с электромобилями. Первые появились еще при жизни Пушкина, но полтора века оставались нежизнеспособными — потому что их делали из обычной машины: выкидывали двигатель, ставили электромотор, вместо коробки втыкали батарею.
Прорыв случился, когда инженеры Tesla начали проектировать от первых принципов: взяли батарею в виде рамы, приделали колеса и электромотор, а все остальное строили сверху.
Прорыв случился, когда инженеры Tesla начали проектировать от первых принципов: взяли батарею в виде рамы, приделали колеса и электромотор, а все остальное строили сверху.
«Сначала процесс нужно пересобрать нормально — и только потом навешивать на эту елку игрушки искусственного интеллекта».
Что реально работает: кейсы без единой строчки кода
Успешные внедрения чаще всего появляются там, где до этого не было даже базовой оцифровки. И делаются они простыми no-code инструментами.
Общее у всех трех кейсов: ни строчки кода, небольшая команда, короткий срок.
- ИИ-химик на промышленном производстве. Через серию итераций система вывела новую формулу клея — результат, которого штатные химики не могли достичь за десять лет.
- Точное земледелие. Модель определяет стадию болезни растения по обычной фотографии подсолнечника или кукурузы. Рынок давно поделен между крупными международными игроками, но решение собрала небольшая команда.
- HR-воронка. Инструмент анализирует видеоинтервью кандидата на позицию интернет-маркетолога и дает оценку, которая в 9 случаях из 10 совпадает с мнением эксперта. Собрали за две недели — то, что HeadHunter до сих пор не выкатил.
Общее у всех трех кейсов: ни строчки кода, небольшая команда, короткий срок.
Инструменты, которые стоит попробовать уже сегодня
Perplexity — поисковик с нейроответами, заменяющий классический Google. Работает без VPN, доступен в российских сторах, хорошо понимает русский язык, на бесплатном тарифе дает серьезные возможности.
ChatGPT напрямую, а не через Telegram-ботов. Через бота вы теряете память модели, персонализацию, режим глубокого исследования и агентские функции. Плюс данные переписок из общедоступных ботов неплохо продаются на даркнете.
«Это как слушать концерт в филармонии через маленькую дырочку. Вроде играют, но большую часть звуковой сцены вы теряете».
Gemini Notebook — инструмент для сборки персонального ИИ-эксперта на любую тему. Загружаете PDF, документы, ссылки на сайты, даже видео с YouTube (транскрипция подтягивается автоматически) — и получаете эксперта, который разбирается в вашей предметной области лучше вас.
Manus — генерирует готовые артефакты: презентации, отчеты, исследования, сайты. По транскрипции разговора с партнером может собрать полноценный документ за несколько минут.
Отдельная рекомендация: не ограничиваться одной моделью. Одну и ту же задачу полезно прогнать через несколько систем и собрать консенсус из ответов.
ChatGPT напрямую, а не через Telegram-ботов. Через бота вы теряете память модели, персонализацию, режим глубокого исследования и агентские функции. Плюс данные переписок из общедоступных ботов неплохо продаются на даркнете.
«Это как слушать концерт в филармонии через маленькую дырочку. Вроде играют, но большую часть звуковой сцены вы теряете».
Gemini Notebook — инструмент для сборки персонального ИИ-эксперта на любую тему. Загружаете PDF, документы, ссылки на сайты, даже видео с YouTube (транскрипция подтягивается автоматически) — и получаете эксперта, который разбирается в вашей предметной области лучше вас.
Manus — генерирует готовые артефакты: презентации, отчеты, исследования, сайты. По транскрипции разговора с партнером может собрать полноценный документ за несколько минут.
Отдельная рекомендация: не ограничиваться одной моделью. Одну и ту же задачу полезно прогнать через несколько систем и собрать консенсус из ответов.
«Побеждает не самая умная модель, а та, до которой ты можешь быстро дотянуться».
С чего начинать внедрение
Подход простой до банальности — Дмитрий называет его «сын маминой подруги». Нужен неравнодушный человек, который уже разобрался в инструментах, но еще не погряз в специфике вашего бизнеса, и готов ставить эксперименты. Такой внутренний AI-ниндзя. В МТС ничего не работало, пока не появились горизонтальные AI-продакт-менеджеры. В VK история повторилась.
Ключевое слово — горизонтальный. Человек, который может ходить по всем подразделениям и тестировать гипотезы.
Три качества, которые важны:
Хорошая новость: если в компании работает больше сотни человек, такой человек у вас, скорее всего, уже есть. У него просто нет возможности начать.
Бэкграунд при этом не критичен. Генеративный ИИ стирает границу между технарями и гуманитариями — основным языком программирования постепенно становится английский. Но базовое понимание, что происходит под капотом, все же необходимо: иначе получится обезьяна с гранатой, которая вайб-кодит, не понимая результата.
Ключевое слово — горизонтальный. Человек, который может ходить по всем подразделениям и тестировать гипотезы.
Три качества, которые важны:
- Пытливость — нездоровый интерес расковырять что-то новое. Не любознательность, а именно потребность залезть внутрь.
- Системность — способность не перегореть после первой-второй неудачи. Неудач будет много: четыре гипотезы из пяти не взлетят.
- Кросс-функциональное критическое мышление — умение смотреть на задачу с разных позиций и критически оценивать ответы модели. Иначе поплывут фиолетовые киты.
Хорошая новость: если в компании работает больше сотни человек, такой человек у вас, скорее всего, уже есть. У него просто нет возможности начать.
Бэкграунд при этом не критичен. Генеративный ИИ стирает границу между технарями и гуманитариями — основным языком программирования постепенно становится английский. Но базовое понимание, что происходит под капотом, все же необходимо: иначе получится обезьяна с гранатой, которая вайб-кодит, не понимая результата.
Окно возможностей для среднего бизнеса
Завершить стоит на том, с чего начали: вы не опоздали.
Согласно отчетам OpenAI и данным ООН, генеративным ИИ пользуется примерно один человек из десяти на планете. Это стадия ранних последователей, а не массового рынка.
Более того, у среднего бизнеса сейчас объективное преимущество перед корпорациями. Там, где крупной компании нужен год на согласования с юристами и комплаенсом — и результат все равно выйдет ограниченным, — средний бизнес с оборотом в несколько миллиардов проходит тот же путь за недели.
Согласно отчетам OpenAI и данным ООН, генеративным ИИ пользуется примерно один человек из десяти на планете. Это стадия ранних последователей, а не массового рынка.
Более того, у среднего бизнеса сейчас объективное преимущество перед корпорациями. Там, где крупной компании нужен год на согласования с юристами и комплаенсом — и результат все равно выйдет ограниченным, — средний бизнес с оборотом в несколько миллиардов проходит тот же путь за недели.
«Вы можете за недели, а не за годы, и за сотни тысяч рублей, а не за десятки миллионов долларов, добегать до результата, который еще два года назад считался фантастикой».
Гибкость, скорость и открытость новым инструментам — это то, чего у корпораций нет. Окно возможностей открыто, но оно не бесконечное.
Главное — относиться к этому как к R&D: с готовностью к неудачным гипотезам, но и с пониманием, что там, где сработает, вы окупите все и уйдете далеко вперед.
Главное — относиться к этому как к R&D: с готовностью к неудачным гипотезам, но и с пониманием, что там, где сработает, вы окупите все и уйдете далеко вперед.
Редактор текста: Иван Прокофьев